小紅書有幾億用戶、每天新增海量圖文/視頻筆記。怎么才能讓每個用戶刷到的內(nèi)容既“懂我”（符合興趣）又“驚喜我”（發(fā)現(xiàn)新東西），同時還要保證小創(chuàng)作者也有曝光？傳統(tǒng)推薦方法有點力不從心了。

解決方案：

引入大語言模型（LLM，如GPT這類“超級大腦”） 和多模態(tài)理解（能同時看懂文字和圖片/視頻），給推薦系統(tǒng)裝上“智慧引擎”，讓它變得更聰明！

關(guān)鍵：

1. 傳統(tǒng)推薦的“短板”：為啥不夠用？
   • “看不懂”內(nèi)容精髓： 傳統(tǒng)模型主要看標(biāo)簽（比如“美妝”、“旅行”）和用戶歷史行為（你點過啥贊）。它很難真正理解一篇筆記里文字的情感和圖片的意境（比如“氛圍感穿搭”具體是啥感覺？）。
   • “猜不透”用戶心思： 只能根據(jù)你過去的行為推薦相似的（你看過貓視頻就使勁推貓）。它很難推理你潛在的、沒表達(dá)出來的興趣（比如你看貓，可能也會喜歡萌寵漫畫？）。
   • “冷落”新筆記/新用戶： 新筆記沒人互動，系統(tǒng)不知道推給誰（冷啟動問題）；新用戶沒行為記錄，系統(tǒng)一臉懵（“猜你喜歡”猜不準(zhǔn)）。
   • “困住”用戶在信息繭房： 一直推你已知愛看的，你很難發(fā)現(xiàn)新領(lǐng)域（比如從美妝跨界到露營？）。

2. 小紅書怎么用大模型（LLM）升級推薦？

   • 升級1：讓系統(tǒng)“真懂”內(nèi)容（多模態(tài)內(nèi)容理解）

     • 怎么懂？ 訓(xùn)練強大的多模態(tài)模型（如SigLip），它能同時分析：
       • 文字： 理解筆記標(biāo)題、正文在說什么（語義、情感）。
       • 圖片/視頻： 識別畫面里的物體、場景、風(fēng)格（比如一張照片是“法式慵懶風(fēng)”還是“日系清新”？）。
     • 好處：
       • 對筆記的理解更精準(zhǔn)、更深入，不再只看表面標(biāo)簽。
       • 能抓住內(nèi)容的核心價值和氛圍感，匹配更合適的用戶。
       • 解決新筆記冷啟動： 新筆記一發(fā)布，系統(tǒng)就能通過“看圖看字”理解它是什么，結(jié)合話題/標(biāo)簽圈選，快速找到種子用戶（最可能感興趣的人）推送。效果好再通過Lookalike技術(shù)擴散給相似興趣人群。

   • 升級2：讓系統(tǒng)“會猜”用戶心思（用戶興趣推理）

     • 怎么猜？ 用自研的 tomato-7B大模型（類似一個推理能力超強的分析師）：
       • 輸入： 你的基本信息（年齡、性別、城市）+ 已知興趣（歷史點贊/收藏的話題、類目）。
       • 輸出： 潛在興趣點 + 推理過程 + 置信度（有多大把握）。
     • 例子： 系統(tǒng)知道你：
       • 25歲，女，上海
       • 長期愛看“閱讀”、“搞笑視頻”，最近迷上“漫畫”
       • 模型推理：
         • 可能對“新書推薦”感興趣（因為愛閱讀）。
         • 可能對“搞笑漫畫”感興趣（因為愛漫畫+愛搞笑）。
         • 可能對“美妝技巧”感興趣（25歲女性普遍興趣）。
     • 好處：
       • 突破信息繭房： 主動推薦你可能感興趣但從未接觸過的內(nèi)容（如推理出的“美妝技巧”、“露營”）。
       • 豐富推薦多樣性： 不再只依賴歷史行為，加入推理出的新興趣點。

   • 升級3：讓系統(tǒng)“更會互動”（互動目標(biāo)建模與優(yōu)化）

     • 超長序列建模： 記住你很久以前喜歡過什么（比如半年前收藏的旅行攻略），讓推薦更有“歷史底蘊”。
     • 實時行為捕捉： 你剛剛點贊/收藏/劃走某個筆記？系統(tǒng)秒級感知！5分鐘內(nèi)就能調(diào)整后續(xù)推薦（比如你連點3個露營視頻，馬上多推點）。
     • 多目標(biāo)平衡： 用復(fù)雜模型（如多目標(biāo)CGC模型）同時優(yōu)化多個目標(biāo)：不僅要你點（CTR），還要你看久（時長）、評論、收藏… 避免只顧點擊率推“標(biāo)題黨”。
     • 強化學(xué)習(xí)（RL）： 像訓(xùn)練游戲AI一樣訓(xùn)練推薦系統(tǒng)！有個“RL Agent”觀察你的實時狀態(tài)（興趣、情緒？），決定：
       • 現(xiàn)在推這個露營筆記，用戶大概率會喜歡（點擊/互動）嗎？
       • 如果推了且你真互動了，下次加大力度推類似內(nèi)容。
       • 如果推了你沒反應(yīng)，說明可能推錯了，減少試探或換個方向。
       • 目標(biāo)是最大化你長期的滿意度和互動總量。

3. 小紅書推薦的獨特“價值觀”
   • 平權(quán)分發(fā)： 50%以上流量給千粉以下小創(chuàng)作者！ 不讓大V壟斷流量。大模型理解內(nèi)容價值的能力，讓小眾優(yōu)質(zhì)筆記也能被發(fā)現(xiàn)（不再只靠粉絲量）。
   • 圈層與社交： 用圖模型分析“內(nèi)容-用戶-作者”關(guān)系，形成興趣“圈層”。讓你更容易發(fā)現(xiàn)同好（比如喜歡同一小眾穿搭風(fēng)格的人），促進社區(qū)互動。

4. 整體效果：更智能、更人性化的推薦
   • 對你：
     • 推薦內(nèi)容更懂你心意（甚至猜到你自己都沒意識到的興趣）。
     • 驚喜感更強，能發(fā)現(xiàn)更多有趣的新領(lǐng)域。
     • 刷到的內(nèi)容質(zhì)量更高、更對口。
   • 對創(chuàng)作者：
     • 新手有機會！優(yōu)質(zhì)內(nèi)容即使粉絲少也能被系統(tǒng)“慧眼識珠”。
     • 內(nèi)容匹配更精準(zhǔn)，更容易找到目標(biāo)受眾。
   • 對平臺：
     • 用戶停留時間更長、互動更多，平臺更活躍。
     • 社區(qū)氛圍更好（內(nèi)容多樣、創(chuàng)作者生態(tài)健康）。

小紅書給推薦系統(tǒng)裝上了“大模型大腦”和“多模態(tài)眼睛”，讓它能真正看懂筆記內(nèi)涵、猜透你潛在心思、實時調(diào)整策略。結(jié)果就是你刷到的內(nèi)容更懂你、更有趣、更驚喜，新手創(chuàng)作者也更有機會被看見，徹底告別“信息繭房”和“流量壟斷”！